CN113820669A - 一种基于遗传算法的相参噪声干扰信号优化生成方法 - Google Patents
一种基于遗传算法的相参噪声干扰信号优化生成方法 Download PDFInfo
- Publication number
- CN113820669A CN113820669A CN202111159416.4A CN202111159416A CN113820669A CN 113820669 A CN113820669 A CN 113820669A CN 202111159416 A CN202111159416 A CN 202111159416A CN 113820669 A CN113820669 A CN 113820669A
- Authority
- CN
- China
- Prior art keywords
- signal
- interference
- radar
- interference signal
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/38—Jamming means, e.g. producing false echoes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于电子对抗技术领域,公开了一种基于遗传算法的相参噪声干扰信号优化生成方法,是将截获的宽带信号进行下变频处理信号进行采样和存储;随机生成一定码速率、周期的伪随机序列,将截获的中频雷达信号和伪随机序列进行相乘计算得到干扰信号。然后,随机设定延时值作为干扰信号的发射延时。利用侦察手段获得雷达位置、干扰机位置、掩护目标位置等辅助信息,构建线性调频信号的匹配滤波处理过程,并利用遗传算法对干扰信号参数进行优化。本发明可以获得雷达处理增益和获得更好的干扰效果。并且使得干扰信号可以适应电磁环境的变化,并在约束条件下得到较优的干扰参数,为干扰方提供更加科学的波形生成选择。
Description
技术领域
本发明属于电子对抗技术领域,具体涉及一种基于遗传算法的相参噪声干扰信号优化生成方法。
背景技术
现代雷达利用发射和接收之间的相参同步技术,通过对目标回波进行相参处理,不仅能获得目标的一维距离信息,还能获得目标的速度与方位信息,在对目标一维成像基础之上,现代雷达还可以对目标进行高分辨二维成像,进一步提取目标的形态、尺寸特征,对目标进行识别。现代雷达的高精度测量特征,已经给目标的生存带来极大威胁,因此,电子对抗双方均在雷达干扰技术方面投入了巨大研发力量,在确保己方雷达正常工作的基础上,尽可能的破坏对方雷达工作,阻止对方雷达对己方目标进行探测。
现有的干扰技术手段可以分为有源干扰技术和无源干扰技术两种,有源干扰是指通过辐射与雷达工作频率相近的、具有调制的各种电磁波信号,这些干扰电磁波与目标回波信号一同进入雷达接收机,意图干扰雷达对目标的正确检测。无源干扰是指通过设置角反射器、伪装物、吸波材料等,降低或削弱真实目标的雷达回波,或是在雷达屏幕上构建虚假的目标等,干扰雷达对真目标的检测。
有源干扰作为电子干扰手段的重要方法之一,具有参数可控、干扰效果多变、应用灵活等优点,一直以来是电子对抗领域的研究热点。根据有源干扰对雷达的干扰效果,一般可以分为欺骗式干扰和压制式干扰。欺骗式干扰与目标回波模拟生成相类似,根据设定的虚假目标位置信息、速度信息、方位信息,干扰机对截获的雷达信号进行延时调制、移频调制、幅度调制等,对雷达形成一个或者多个虚假目标的欺骗式干扰效果。对于合成孔径雷达、逆合成孔径雷达等成像雷达,干扰机需要在截获的雷达信号上附加与目标距离信息相关的调制,同时,还需要在方位向、慢时间对截获的雷达信号进行调制,才有可能在雷达图像上形成虚假目标,这对干扰机的侦察能力和干扰算法的时效性等均提出了很高的要求。
压制式干扰方法是雷达有源干扰技术中的重要干扰样式之一,相比于欺骗式干扰,压制式干扰在实现层面的技术要求要低一些,对部分信息侦察结果,如雷达空间信息、信号参数特征等信息的测量精度要求不那么高,一般通过发射高功率的杂波、调制电磁波、或是杂乱脉冲等,在时域上干扰雷达的正常工作;或是发射大宽带的干扰信号、扫频干扰信号、梳状谱干扰信号等,干扰雷达正常工作的频率。压制式干扰的本质是降低雷达接收机处的信噪比,通过发射在时域错综出现的干扰脉冲,通过提高雷达的恒虚警检测门限,使得目标回波的功率无法、或是较难超过雷达检测门限,从而破坏雷达对目标距离信息的提取。
现有的压制式干扰信号生成方法,一般采取固定干扰参数,或是在几种干扰参数中选择预置的、有限的干扰参数来生成干扰信号。当雷达采取抗干扰措施,或是更改信号参数,以及发生波形捷变时,传统固定参数的干扰手段就很难适应变化的电磁环境。
发明内容
为克服现有技术的不足,本发明提供了一种基于遗传算法的相参噪声干扰信号优化生成方法。
为实现上述发明目的,本发明采用如下技术方案
一种基于遗传算法的相参噪声干扰信号优化生成方法,是将截获的宽带信号进行下变频处理,再对下变频后的中频雷达信号进行采样和存储;在初始化阶段,随机生成一定码速率、周期的伪随机序列,将截获的中频雷达信号和伪随机序列进行相乘计算得到干扰信号;再随机设定延时值,作为干扰信号的发射延时;最后利用侦察手段获得雷达位置、干扰机位置、掩护目标位置等辅助信息,构建线性调频(LFM)信号的匹配滤波处理过程,并以目标位置附近的干扰信号幅度之和为优化目标函数,利用遗传算法对干扰信号参数进行优化;其步骤如下:
步骤1:将截获的雷达信号进行下变频处理,将下变频后的中频雷达信号进行采样和量化;具体实施步骤如下:
步骤1.1:干扰机对截获的雷达信号进行下变频处理;
步骤1.2:利用高速ADC对下变频后的中频雷达信号进行采样和量化,并将量化后的数据传输到干扰机信号处理机进行干扰信号调制产生;。
步骤2:将存储的雷达信号与伪随机序列相乘,得到初始的干扰信号;
步骤3:根据雷达、目标、干扰机的空间位置信息,构建干扰信号的匹配滤波处理过程;具体实施步骤如下:
步骤3.1:利用侦察辅助设备获取雷达所在位置,由于掩护目标是己方设备,那么干扰机也可以获得目标和自身的空间位置。初始化设置干扰信号的发射延时后,基于匹配滤波技术原理,构建干扰信号的雷达处理过程;
步骤3.2:受制于雷达空间位置侦察信息获取可能较难,那么,在能获取到干扰机和目标之间的空间位置信息基础上,也可以构建干扰信号的雷达处理过程,因为这两者之间的距离关系决定了干扰信号需要的发射延时参数。干扰信号经过雷达处理后,应在目标附近形成具有较大干扰幅度,那么,干扰信号的发射延时就需要根据干扰机与目标之间的距离关系进行动态的调整,这也是本发明需要优化的干扰参数之一;其有益效果是:
对于干扰方而言,雷达受到干扰后的具体情况是不可知的,因此难以选取合适的优化目标函数,或是优化目标函数的确立需要依赖诸多先决条件,而这些条件往往无法获得。本发明所提的优化目标函数基于广泛应用的雷达信号处理算法,利用干扰机和目标之间的距离信息,可以在干扰机闭环建立干扰效果评估环节,并且依赖的侦察信息均是可以获得的。
步骤4:利用遗传算法对干扰信号的参数进行优化;具体实施步骤如下:
步骤4.1:选择伪随机序列的码元宽度、伪随机序列的长度、干扰信号的幅度和干扰信号的转发延时作为被优化的参数,根据遗传算法的原理,对以上参数进行编码,然后执行选择—交叉—变异—淘汰等种群进化步骤。
步骤4.2:以目标位置附近的干扰信号幅度之和为优化目标函数,以种群进化达到最大进化代数或是目标函数值超过阈值为终止条件。优化过程执行完毕后,根据优化的干扰参数生成干扰信号。
步骤4.3:当干扰机、目标之间的空间位置关系发生变化,或是雷达信号的参数变化时,再次进行干扰信号优化生成,利用更改后的干扰参数生成干扰波形。
其有益效果是,干扰机可以根据其自身、目标空间位置的变化,或是雷达信号参数的变化,在干扰对抗过程中,动态的、多次执行干扰信号优化算法,相比于传统固定参数的干扰样式,或是在有限几种干扰样式之间切换的干扰手段,本发明提出的干扰波形优化技术可以适应变化的电磁环境,实现与参数捷变雷达信号的动态博弈对抗。
一种基于遗传算法的相参噪声干扰信号优化生成方法,所述步骤2的将存储的雷达信号与伪随机序列相乘,得到初始的干扰信号具体方法为:
步骤2.1:首先确定伪随机序列参数的范围,参数包括伪随机序列的周期和码元宽度,然后随机生成一个伪随机序列,其表达式为:
对上式作傅里叶变换,得到:
其中,
由sinc函数的特性可知,P(f)在f=0时取得极大值,P(f)的第一个零值出现在fτ=1处,那么,可以定义伪随机序列频谱的主瓣宽度为:
步骤2.2:假设雷达发射LFM信号,其中频信号的表达式为:
其中,f0是信号的中心频率,Tp是LFM信号的脉冲宽度,γ表示调频率,LFM信号的带宽B=γTp。rect(x)在-1/2≤x≤+1/2时其值为1,否则其值为0。
将中频LFM信号与伪随机序列相乘,得到干扰信号表达式为:
sj(t)=s(t)·p(t)。
其有益效果是,本发明选取的伪随机序列采用二值化量化,只有+1和-1两个取值,因此量化后的中频雷达信号与伪随机序列相乘时,可以用逻辑取反运算来代替乘法运算,降低了干扰算法调制的计算量,节约了计算资源。利用乘法运算得到的干扰信号,保持了与原雷达信号的部分相参性,与常规噪声干扰信号相比,可以获得一定的雷达处理增益。那么,在干扰功率一定的条件下,本发明所提的干扰方法可以获得更高的雷达处理增益。
由于采用上述技术方案本发明具有如下优越性:
一种基于遗传算法的相参噪声干扰信号优化生成方法,将截获的中频雷达信号与伪随机序列进行相乘,再将干扰信号进行一定延时调制后,得到初始的干扰信号。然后根据侦察接收机对雷达空间位置、目标空间位置、干扰机空间位置的信息侦察结果,基于对线性调频(LFM)信号匹配滤波的原理,构建干扰信号的一维距离处理过程。最后以目标位置附近的干扰信号幅度之和为优化目标函数,利用遗传算法对干扰信号参数进行优化。与常规非相参干扰信号相比,本发明提出的干扰信号与雷达信号波形之间是部分相参的,可以获得雷达处理增益,在相同干扰功率条件下,经过雷达处理后可以生成较大的干扰幅度,因此获得更好的干扰效果。同时,干扰信号的优化生成过程考虑了雷达信号参数变化,目标空间位置变化等信息,使得干扰信号可以适应电磁环境的变化,并在约束条件下得到较优的干扰参数,为干扰方提供更加科学的波形生成选择。
本发明基于雷达信息侦察结果,通过构建与干扰机、目标空间位置相关的LFM信号匹配滤波处理过程,利用遗传算法实现对伪随机序列调制的相参噪声干扰信号的优化设计。由于伪随机序列采用二值量化,只有+1和-1两个取值,因此雷达信号和伪随机序列的乘法运算可以用逻辑运算实现,可以以较低的计算资源消耗实现干扰波形的快速生成,是一种针对LFM雷达的快速的、有效的、相参噪声干扰信号优化生成方法。
附图说明
图1是本发明整体框架图;
图2是伪随机序列的时域波形和频谱图;
图3是伪随机序列码元宽度对干扰信号的匹配滤波结果的影响;
图4是转发延时对干扰信号的匹配滤波结果的影响;
图5是基于遗传算法的干扰信号优化生成过程;
图6是干扰信号的进化曲线;
图7是优化后的干扰信号的匹配滤波结果。
具体实施方式
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
如图1、2、3、4、5、6、7所示,一种基于遗传算法的相参噪声干扰信号优化生成方法,利用二值化的伪随机序列与截获的雷达信号进行乘法运算以生成干扰信号,可以得到与雷达信号部分相参的干扰信号。基于遗传算法,建立了干扰信号优化生成环路,使得输出的干扰波形可以适应变化的电磁环境。干扰信号的详细生成步骤见图1;具体按照以下步骤实施:
步骤1:将截获的雷达信号进行下变频处理,将下变频后的中频雷达信号进行采样和量化。
步骤1.1:干扰机对截获的雷达信号进行下变频处理;
步骤1.2:利用高速ADC对下变频后的中频雷达信号进行采样和量化,并将量化后的数据传输到干扰机信号处理机进行干扰信号调制产生。
步骤2:将存储的雷达信号与伪随机序列相乘,得到初始的干扰信号。
步骤2.1:首先确定伪随机序列参数的范围,参数包括伪随机序列的周期和码元宽度,然后随机生成一个伪随机序列,其表达式为:
对上式作傅里叶变换,得到:
其中,
由sinc函数的特性可知,P(f)在f=0时取得极大值,P(f)的第一个零值出现在fτ=1处,那么,可以定义伪随机序列频谱的主瓣宽度为:
图2所示为伪随机序列的时域波形和频谱结果,在伪随机序列脉冲持续时间内,序列的码元值在+1和-1之间伪随机的发生变化。当码元宽度为0.1μs时,其频谱结果从幅度最大值到第一个零点的谱宽约为10MHz,且谱幅度最大值主要分布在[-10,+10]MHz范围内。
步骤2.2:假设雷达发射LFM信号,其中频信号的表达式为:
其中,f0是信号的中心频率,Tp是LFM信号的脉冲宽度,γ表示调频率,LFM信号的带宽B=γTp。rect(x)在-1/2≤x≤+1/2时其值为1,否则其值为0。
将中频LFM信号与伪随机序列相乘,得到干扰信号表达式为:
sj(t)=s(t)·p(t)
步骤3:根据雷达、目标、干扰机的空间位置信息,构建干扰信号的匹配滤波处理过程;
步骤3.1:利用侦察辅助设备获取雷达所在位置,由于掩护目标是己方设备,那么干扰机也可以获得目标和自身的空间位置。初始化设置干扰信号的发射延时后,基于匹配滤波技术原理,构建干扰信号的雷达处理过程。
步骤3.2:受制于雷达空间位置侦察信息获取可能较难,那么,在能获取到干扰机和目标之间的空间位置信息基础上,也可以构建干扰信号的雷达处理过程,因为这两者之间的距离关系决定了干扰信号需要的发射延时参数。干扰信号经过雷达处理后,应在目标附近形成具有较大幅度的干扰信号,那么,干扰信号的发射延时就需要根据干扰机与目标之间的距离关系进行动态的调整,这也是本发明需要优化的干扰参数之一。
图3所示为当伪随机序列选择不同码元宽度时,干扰信号的匹配滤波处理结果,可以看出,码元宽度不同会导致干扰信号频谱扩展的程度不同(相比于截获的LFM信号谱宽而言),经过雷达匹配滤波处理之后,形成的干扰带的主要幅度在距离向占据的范围是不一样的。当干扰带的距离覆盖范围增大后,其干扰幅度的整体值会变小,这是因为干扰信号的能量是一定的,当其分布在较大的距离范围时,则每个距离单元内的干扰信号的幅度会出现下降。
图4所示为不同转发延时对干扰信号的匹配滤波结果的影响,仿真中设定目标位于距离雷达10km处,干扰机位于8km处。当干扰信号的转发延时为0时,即干扰机截获雷达信号后,经过非常小的延时就可以发射干扰信号,那么,根据伪随机序列的调制特点,以及雷达对LFM信号的匹配滤波处理原理,干扰信号的幅度最大值会出现为8km处。由于保护目标在10km处,干扰机需要对干扰信号进行一定的时间延时后再进行转发。因此,伪随机序列的码元宽度和干扰信号的发射延时是需要优化的两个重要参数。
步骤4:利用遗传算法对干扰信号的参数进行优化。
步骤4.1:选择伪随机序列的码元宽度、伪随机序列的长度、干扰信号的幅度和干扰信号的转发延时作为被优化的参数,根据遗传算法的原理,对以上参数进行编码,然后执行选择—交叉—变异—淘汰等种群进化步骤。
步骤4.2:以目标位置附近的干扰信号幅度之和为优化目标函数,以种群进化达到最大进化代数或是目标函数值超过阈值为终止条件。优化过程执行完毕后,根据优化的干扰参数生成干扰信号。
步骤4.3:当干扰机、目标之间的空间位置关系发生变化,或是雷达信号的参数变化时,再次进行干扰信号优化生成,利用更改后的干扰参数生成干扰波形。
图5所示为基于遗传算法的干扰信号优化生成过程,首先初始化生成一组干扰参数,计算其适应度函数值,然后保留适应度高的基因,再执行基因交叉、变异等操作,最后对进化后的种群再次计算适应度函数。如此迭代直到达到进化终止条件后,将优化后的干扰参数作为输入,调制生成相应的干扰信号。
图6所示为干扰信号优化过程中,其适应度函数值随着进化代数的变化曲线,可以看出,在进化到56代时,种群的适应度不再增加,此时,可以将连续几代适应度函数没有明显增加的情况作为种群进化终止条件,并把此时的参数作为优化后的干扰参数;或是等待种群进化到最大代数时停止进化。
图7所示为进化终止后,利用当前干扰参数生成的干扰信号后经过雷达匹配滤波处理的结果。从图中结果可以看出,经过优化后,干扰信号的主要幅度在距离向上与目标位置基本对齐。由于优化目标函数设定为在目标位置前后100m距离范围内,干扰信号的幅度之和为最大,由图7中结果可见,干扰信号在距离向覆盖了一定宽度,且干扰信号有效的抬高了雷达的恒虚警(CFAR)检测门限。由于检测门限大于目标回波的幅度,所以在当前脉冲下,雷达是检测不到目标的,验证了本发明所提干扰波形优化算法的正确性。
Claims (2)
1.一种基于遗传算法的相参噪声干扰信号优化生成方法,其特征在于,是将截获的宽带信号进行下变频处理,再对下变频后的中频雷达信号进行采样和存储;在初始化阶段,随机生成一定码速率、周期的伪随机序列,将截获的中频雷达信号和伪随机序列进行相乘计算得到干扰信号;再随机设定延时值,作为干扰信号的发射延时;最后利用侦察手段获得雷达位置、干扰机位置、掩护目标位置等辅助信息,构建线性调频(LFM)信号的匹配滤波处理过程,并以目标位置附近的干扰信号幅度之和为优化目标函数,利用遗传算法对干扰信号参数进行优化;其步骤如下:
步骤1:将截获的雷达信号进行下变频处理,将下变频后的中频雷达信号进行采样和量化;具体实施步骤如下:
步骤1.1:干扰机对截获的雷达信号进行下变频处理;
步骤1.2:利用高速ADC对下变频后的中频雷达信号进行采样和量化,并将量化后的数据传输到干扰机信号处理机进行干扰信号调制产生;
步骤2:将存储的雷达信号与伪随机序列相乘,得到初始的干扰信号;
步骤3:根据雷达、目标、干扰机的空间位置信息,构建干扰信号的匹配滤波处理过程;具体实施步骤如下:
步骤3.1:利用侦察辅助设备获取雷达所在位置,由于掩护目标是己方设备,那么干扰机也可以获得目标和自身的空间位置;初始化设置干扰信号的发射延时后,基于匹配滤波技术原理,构建干扰信号的雷达处理过程;
步骤3.2:受制于雷达空间位置侦察信息获取可能较难,那么,在能获取到干扰机和目标之间的空间位置信息基础上,也可以构建干扰信号的雷达处理过程,因为这两者之间的距离关系决定了干扰信号需要的发射延时参数;干扰信号经过雷达处理后,应在目标附近形成具有较大干扰幅度,那么,干扰信号的发射延时就需要根据干扰机与目标之间的距离关系进行动态的调整;
步骤4:利用遗传算法对干扰信号的参数进行优化;具体实施步骤如下:
步骤4.1:选择伪随机序列的码元宽度、伪随机序列的长度、干扰信号的幅度和干扰信号的转发延时作为被优化的参数,根据遗传算法的原理,对以上参数进行编码,然后执行选择—交叉—变异—淘汰等种群进化步骤;
步骤4.2:以目标位置附近的干扰信号幅度之和为优化目标函数,以种群进化达到最大进化代数或是目标函数值超过阈值为终止条件,优化过程执行完毕后,根据优化的干扰参数生成干扰信号;
步骤4.3:当干扰机、目标之间的空间位置关系发生变化,或是雷达信号的参数变化时,再次进行干扰信号优化生成,利用更改后的干扰参数生成干扰波形。
2.如权利要求1所述的一种基于遗传算法的相参噪声干扰信号优化生成方法,其特征在于,所述步骤2的将存储的雷达信号与伪随机序列相乘,得到初始的干扰信号具体方法为:
步骤2.1:首先确定伪随机序列参数的范围,参数包括伪随机序列的周期和码元宽度,然后随机生成一个伪随机序列,其表达式为:
对上式作傅里叶变换,得到:
其中,
由sinc函数的特性可知,P(f)在f=0时取得极大值,P(f)的第一个零值出现在fτ=1处,那么,可以定义伪随机序列频谱的主瓣宽度为:
步骤2.2:假设雷达发射LFM信号,其中频信号的表达式为:
其中,f0是信号的中心频率,Tp是LFM信号的脉冲宽度,γ表示调频率,LFM信号的带宽B=γTp;rect(x)在-1/2≤x≤+1/2时其值为1,否则其值为0;
将中频LFM信号与伪随机序列相乘,得到干扰信号表达式为:
sj(t)=s(t)·p(t)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111159416.4A CN113820669A (zh) | 2021-09-30 | 2021-09-30 | 一种基于遗传算法的相参噪声干扰信号优化生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111159416.4A CN113820669A (zh) | 2021-09-30 | 2021-09-30 | 一种基于遗传算法的相参噪声干扰信号优化生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113820669A true CN113820669A (zh) | 2021-12-21 |
Family
ID=78919837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111159416.4A Pending CN113820669A (zh) | 2021-09-30 | 2021-09-30 | 一种基于遗传算法的相参噪声干扰信号优化生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113820669A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116087942A (zh) * | 2023-04-06 | 2023-05-09 | 烟台初心航空科技有限公司 | 航空高度表调制信号的产生方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105137398A (zh) * | 2015-07-24 | 2015-12-09 | 西安电子科技大学 | 基于遗传算法的雷达抗转发式干扰的脉压滤波器优化方法 |
CN105974377A (zh) * | 2016-05-12 | 2016-09-28 | 中国人民解放军装备学院 | 一种对数字阵列雷达自适应调零技术的干扰方法 |
-
2021
- 2021-09-30 CN CN202111159416.4A patent/CN113820669A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105137398A (zh) * | 2015-07-24 | 2015-12-09 | 西安电子科技大学 | 基于遗传算法的雷达抗转发式干扰的脉压滤波器优化方法 |
CN105974377A (zh) * | 2016-05-12 | 2016-09-28 | 中国人民解放军装备学院 | 一种对数字阵列雷达自适应调零技术的干扰方法 |
Non-Patent Citations (2)
Title |
---|
李征: ""导弹突防有源干扰技术研究"", 《中国优秀硕士学位论文全文数据库工程科技||辑》, pages 032 - 124 * |
鲁永为等: ""基于遗传算法的复制间隔设计方法"", 《电子信息对抗技术》, no. 1, pages 74 - 78 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116087942A (zh) * | 2023-04-06 | 2023-05-09 | 烟台初心航空科技有限公司 | 航空高度表调制信号的产生方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | New antivelocity deception jamming technique using pulses with adaptive initial phases | |
Stove et al. | Low probability of intercept radar strategies | |
US8035551B1 (en) | Noise correlation radar devices and methods for detecting targets with noise correlation radar | |
CN109581304B (zh) | 一种反侦察抗干扰装置及其方法 | |
CN112799023A (zh) | 一种快速转发的多假目标干扰方法 | |
CN113376601B (zh) | 基于clean算法的捷变频雷达旁瓣抑制方法 | |
CN113721216B (zh) | 一种捷变相参雷达的目标检测波形优化与处理方法 | |
Bialer et al. | Code optimization for fast chirp FMCW automotive MIMO radar | |
CN113884992A (zh) | 一种频率捷变雷达的自适应抗干扰方法 | |
Karimi et al. | Adaptive OFDM waveform design for cognitive radar in signal-dependent clutter | |
Sun et al. | A novel weighted mismatched filter for reducing range sidelobes | |
CN115480222A (zh) | 一种基于频控阵干扰机的雷达干扰技术方法 | |
CN110109075B (zh) | 基于白化滤波的捷变频雷达抗干扰方法 | |
CN113820669A (zh) | 一种基于遗传算法的相参噪声干扰信号优化生成方法 | |
Elgamel et al. | Empirical mode decomposition-based monopulse processor for enhanced radar tracking in the presence of high-power interference | |
Aziz et al. | Reinforcement learning based techniques for radar anti-jamming | |
CN108562901B (zh) | 基于最大信杂噪比准则的isar高分辨成像方法 | |
Li et al. | A novel radar waveform design for anti-interrupted sampling repeater jamming via time-frequency random coded method | |
CN113884995A (zh) | 基于空时联合调制的stap雷达干扰信号产生方法 | |
Rad et al. | Power control and beamforming in passive phased array radars for low probability of interception | |
CN112014807B (zh) | 一种频率捷变雷达的自适应杂波抑制方法 | |
Galati et al. | Potential applications of noise radar technology and related waveform diversity | |
CN115980728B (zh) | 一种树丛穿透雷达目标检测方法、系统及设备 | |
CN116520279A (zh) | 一种海杂波抑制方法 | |
Piza et al. | Method of forming classified training sample in case of spacial signal processing under influence of combined interference |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |